초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

모바일 환경에서 평면기반 카메라 추적을 이용해서 가상 물체를 증강시킬 때 강건함과 실시간성은 매우 중요하면서도 서로 상반관계에 있다. 본 논문은 이러한 문제를 해결하기 위해서 인접한 프레임 사이의 시간일관성을 이용한다. 즉, 카메라 움직임이 크지 않다고 가정하고, 이전 프레임의 정보로부터 현재 프레임에서의 초기 카메라 포즈를 쉽게 얻을 수 있으며, 이를 이용함으로써 좀더 강건하면서 빠른 평면기반 카메라 추적 방법을 제안한다. 또한, 특징점 추적을 보다 효율적인 방법으로 대체함으로써, 속도 개선을 극대화한다. 실험을 통해서 제안된 방법이 50%정도의 시간이 절약되면서도 강건함이 보장된다는 것을 확인하였다.

모바일 환경에서 평면기반 카메라 추적을 이용해서 가상 물체를 증강시킬 때 강건함과 실시간성은 매우 중요하면서도 서로 상반관계에 있다. 본 논문은 이러한 문제를 해결하기 위해서 인접한 프레임 사이의 시간일관성을 이용한다. 즉, 카메라 움직임이 크지 않다고 가정하고, 이전 프레임의 정보로부터 현재 프레임에서의 초기 카메라 포즈를 쉽게 얻을 수 있으며, 이를 이용함으로써 좀더 강건하면서 빠른 평면기반 카메라 추적 방법을 제안한다. 또한, 특징점 추적을 보다 효율적인 방법으로 대체함으로써, 속도 개선을 극대화한다. 실험을 통해서 제안된 방법이 50%정도의 시간이 절약되면서도 강건함이 보장된다는 것을 확인하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서 평면기반 카메라 추적을 할 때 강건성을 유지하면서도 빠른 속도를 내기 위해서 이전 프레임의 호모그래피를 이용해서 현재 입력영상을 와핑해서 현재의 호모그래피를 구하는 방법을 제안하였다. 카메라의 움직임이 크지 않다는 가정아래에서 제안된 방법을 이용하면 특징기술자 자체의 단점을 보완해줄 수 있다는 결론을 내릴 수 있다.
• 그러나, 이러한 크기, 회전에 불변하기 위해 부가적인 처리를 추가하게 되면 계산의 복잡도가 자연스럽게 증가하게 되기 때문에, PC 환경에 비해 성능이 떨어지는 모바일 환경에서는 사용하기에 적합하지 않게 될 수도 있다. 본 논문에서는 이러한 계산 복잡성의 문제점에 대응하기 위해서 인접한 프레임간의 시간일관성에 기반하여 이전 프레임에서의 호모그래피를 이용하여 입력 영상을 와핑(warping)시켜서 참조 영상과의 호모그래피가 단위 행렬에 가깝도록 만들어 준 뒤에 참조 영상과의 특징점 매칭을 수행한다. 따라서, 크기, 회전 변화에 불변한 특징점 검출 및 기술자를 사용할 필요가 없고, BRIEF 를 사용한다.

제안 방법

• 실험을 위해 웹 카메라(Logitech HD 프로웹캠 C910, 640×480)을 이용하여 미리 알고 있는 평면(다양한 패턴을 가진 평면을 사용)을 주어진 위치 및 각도로 고정시키거나, 선반의 도르레에 고정시켜서 정해진 각도 및 크기로 회전, 이동하면서 촬영하였고(즉, 카메라 움직임에 대한 ground truth 를 가짐), FAST 특징점 검출자를 이용해서 특징점을 검출, BRIEF 특징 기술자를 이용해서 특징점을 기술하고 매칭하였다.
• 일단, 평면기반 카메라 추적 방법의 지터(jitter)에 대한 취약성을 보여주기 위해 정지 영상에 대해서 일반적인 평면기반 카메라 추적 방법(호모그래피 갱신 없이 매 프레임 독립적으로 참조 영상과의 호모그래피를 구함)과 제안된 방법의 처리 시간과 흔들림을 측정하였다. 결과는 표1과 같다.
• 카메라의 이동에 대한 각 방법의 성능 비교. 일반적인 평면기반 카메라 추적 방법(H로 표기), [5]의 방법(ΔHH로 표기), 제안된 방법에 의해 추정된 카메라 광축 방향으로의 이동 값.
• 카메라의 회전에 대한 각 방법의 성능 비교. 일반적인 평면기반 카메라 추적 방법(H로 표기), [5]의 방법(ΔHH로 표기), 제안된 방법에 의해 추정된 카메라 광축을 기준으로 한 회전 값.
• 그림 3. 카메라의 회전에 대한 각 방법의 성능 비교. 일반적인 평면기반 카메라 추적 방법(H로 표기), [5]의 방법(ΔHH로 표기), 제안된 방법에 의해 추정된 카메라 광축을 기준으로 한 회전 값.

성능/효과

• 그 이유는 기존 평면 기반 카메라 추적 방법은 이전 프레임의 정보가 없기 때문에 호모그래피 계산을 위해 크기 및 회전에 불변인 특징점 추적 방법을 사용해야 하지만(실험에선 ORB 를 사용했음[7]), 제안된 방법은 이전 프레임의 정보를 이용하기 때문에 보다 고속의 특징점 추적 방법(즉, BRIEF)을 사용할 수 있었기 때문이다. 또한, 제안된 방법은 갱신을 통해 보다 정확한 호모그래피를 계산하기 때문에 흔들림의 측면에서도 더 좋아진다는 것을 알 수 있다.
• 카메라 포즈를 계산한 것이다. 이동의 경우와 마찬가지로, 제안된 방법은 [5]의 방법에 비해 속도 면에서 크게 개선되며, 안정성 면에서도 큰 차이를 보이지 않음(오히려 개선됨)을 알 수 있다. 이는 BRIEF는 회전 불변성을 가지지 않지만, 이전 프레임에서의 호모그래피를 사용하여 현재 프레임을 참조 영상과 거의 유사하도록 와핑하여, 회전 불변성에 대한 취약점을 없앴기 때문이다.
• 따라서, 크기, 회전 변화에 불변한 특징점 검출 및 기술자를 사용할 필요가 없고, BRIEF 를 사용한다. 제안된 방법은 기존의 호모그래피를 갱신하여 강건성을 높이는 방법[5]과 유사하지만, 시간일관성에 기반하여 초기호모그래피를 계산할 필요가 없기 때문에, 속도면에서 크게 개선되었으며, 또한, 특징점을 검출, 기술할 때 크기, 회전변화에 대한 불변성을 고려하지 않기 때문에, 특징점 검출 및 기술에 소요되는 시간도 크게 줄일 수 있다. 실험을 통해 [5]에 비해 어느 정도의 속도가 개선될 수 있는지를 확인한다.
• 구하는 방법을 제안하였다. 카메라의 움직임이 크지 않다는 가정아래에서 제안된 방법을 이용하면 특징기술자 자체의 단점을 보완해줄 수 있다는 결론을 내릴 수 있다. 향후에는 이러한 방법을 이용하면서 기존에 존재하는 이전 프레임의 정보를 이용하는 다양한 방식과 접목시킬 예정이다.
• 표 1 를 보면 알 수 있듯이 제안된 방법이 카메라 포즈를 추정하는데 있어, 50% 정도의 시간이 절약된다는 것을 알 수 있다. 그 이유는 기존 평면 기반 카메라 추적 방법은 이전 프레임의 정보가 없기 때문에 호모그래피 계산을 위해 크기 및 회전에 불변인 특징점 추적 방법을 사용해야 하지만(실험에선 ORB 를 사용했음[7]), 제안된 방법은 이전 프레임의 정보를 이용하기 때문에 보다 고속의 특징점 추적 방법(즉, BRIEF)을 사용할 수 있었기 때문이다.

후속연구

• 카메라의 움직임이 크지 않다는 가정아래에서 제안된 방법을 이용하면 특징기술자 자체의 단점을 보완해줄 수 있다는 결론을 내릴 수 있다. 향후에는 이러한 방법을 이용하면서 기존에 존재하는 이전 프레임의 정보를 이용하는 다양한 방식과 접목시킬 예정이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기